Visualização Iterativa de Dados

Row

Característica gerais

Dados COVID

Mulheres com idade entre 10 e 49 anos no município do Rio de Janeiro

9653

Row

Escolaridade

Idade

Hospitalizada

UTI

Suporte Ventilatório

Evolução

Gestantes

Puérperas

Gestantes_cat

Pivot Table

---
title: "GT - Dados e cidadania"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    vertical_layout: fill
    social: [ "twitter", "facebook", "menu"]
    source_code: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
library(knitr)
library(DT)
library(rpivotTable)
library(ggplot2)
library(plotly)
library(dplyr)
library(openintro)
library(highcharter)
library(ggvis)
library(treemap)
library(ggridges)
library(forcats)
```


```{r}
data <- read.csv("data_rio.csv",sep=",",dec=",")



```

```{r}
mycolors <- c("blue", "red", "darkgreen", "darkorange")
```

Visualização Iterativa de Dados
=====================================

Row 
---------------------------
### Característica gerais

```{r}
valueBox(paste("Dados COVID"),
         color = "green")
```

### Mulheres com idade entre 10 e 49 anos no município do Rio de Janeiro

```{r}
valueBox(dim(data)[1])
```


Row {.tabset .tabset-fade}
-------------------------------
  
### Escolaridade
  
```{r}

data$Escolaridade <- with(data,factor(Escolaridade, levels=c("Sem escolaridade/Analfabeto","Fundamental 1º ciclo",
            "Fundamental 2º ciclo","Médio","Superior",'Ignorado/NA')))

data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))
    

cc <- data %>% count(Raça_cor,Escolaridade)
cc2 <- left_join(cc, count(cc,Escolaridade, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g1 <- cc2 %>%
      mutate(prop = round((n / nn)*100,1)) %>%
      plot_ly(x =~Escolaridade, y = ~prop,color = ~Raça_cor, text=text_p
              ) %>%
      add_bars() %>%
      layout(barmode = "stack",yaxis = list(title = 'Porcentagem'))
g1


```


### Idade
  
```{r}
data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))


cc <- data %>% count(idade_cat,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g2 <- cc2 %>%
      mutate(prop = round((n / nn)*100,2)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~idade_cat, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack")
g2
```

### Hospitalizada
  
```{r}
data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))

data$Internado <- with(data, factor(Internado, levels=c('Sim','Não','Ignorado/NA')))


cc <- data %>% count(Internado,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")
g3 <- cc2 %>%
      mutate(prop = round((n / nn)*100,2)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Internado, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack")
g3
```
### UTI
  
```{r}
data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))

data$UTI_cat <- with(data, factor(UTI_cat, levels=c('Sim','Não','Ignorado/NA')))


cc <- data %>% count(UTI_cat,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g4 <- cc2 %>%
      mutate(prop = round((n / nn)*100,2)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~UTI_cat, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack")
g4
```

### Suporte Ventilatório
  
```{r}
data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))

data$Suporte_ventilatório <- with(data, factor(Suporte_ventilatório, levels=c("Sim,invasivo","Sim, não invasivo","Não",'Ignorado/NA')))



cc <- data %>% count(Suporte_ventilatório,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")
g5 <- cc2 %>%
      mutate(prop = round((n / nn)*100,2)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Suporte_ventilatório, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack")
g5
```

### Evolução
  
```{r}

data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))
data$Evolução <- with(data, factor(Evolução, levels=c('Cura','Óbito','Óbito outras causas','Ignorado/NA')))


cc <- data %>% count(Evolução,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g6 <- cc2 %>%
      mutate(prop = round((n / nn)*100,1)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Evolução, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack",yaxis = list(title = 'Porcentagem'))
g6
```

### Gestantes
  
```{r}

data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))
data$Gestante <- with(data, factor(Gestante, levels=c("1º Trimestre","2º     Trimestre","3º Trimestre","Idade gestacional ignorada","Não gestante","Não se aplica",'Ignorado/NA')))

cc <- data %>% count(Gestante,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g7 <- cc2 %>%
      mutate(prop = round((n / nn)*100,1)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Gestante, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack",yaxis = list(title = 'Porcentagem'))
g7
```

### Puérperas
  
```{r}

data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))
data$Puérpera <- with(data, factor(Puérpera, levels=c("Sim","Não",'Ignorado/NA')))

cc <- data %>% count(Puérpera,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g7 <- cc2 %>%
      mutate(prop = round((n / nn)*100,1)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Puérpera, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack",yaxis = list(title = 'Porcentagem'))
g7
```

### Gestantes_cat
  
```{r}

data$Raça_cor <- with(data, factor(Raça_cor, levels=c('Branca','Parda','Preta','Amarela','Indígena','Ignorado/NA')))
data$Gestante_cat <- with(data, factor(Gestante_cat, levels=c("Gestante","Não gestante","Não se aplica","Ignorado/NA")))


cc <- data %>% count(Gestante_cat,Raça_cor)
cc2 <- left_join(cc, count(cc, Raça_cor, wt = n, name = 'nn'))

text_p <- paste0("\n valor abs: ",cc2$n," Mulheres","\n Total: ",cc2$nn," Mulheres")

g8 <- cc2 %>%
      mutate(prop = round((n / nn)*100,1)) %>%
      plot_ly(x =~Raça_cor, y = ~prop,color = ~Gestante_cat, text=text_p) %>%
      add_bars() %>%
      layout(barmode = "stack",yaxis = list(title = 'Porcentagem'))
g8
```



Pivot Table
=========================================

```{r}
rpivotTable(data,
            rendererName = "Heatmap")
```